基于混合地理加权回归模型的小域估计

近年来,基于空间模型的小域估计方法在抽样调查领域得到越来越多的关注.提出了一类混合地理加权单元层次小域模型用以刻画空间非平稳性,其中回归系数一部分为常数,另一部分则是随着地理位置的变化而变化.基于模型给出了域均值的估计,并研究了该估计量的均方误差及其估计.     

空间自相关地理加权回归模型的估计

地理加权回归作为一类能有效处理回归分析中空间非平稳性现象的建模技术,在多类问题的研究得到了广泛的应用.主要讨论这类空间计量经济学模型在空间自相关情形下的估计问题.首先,对于因变量含有空间滞后项的地理加权回归模型,分别给出了局部似然估计和两步估计两种方法.其次,考虑了误差空间自相关下地理加权回归模型的估计问题.     

基于混合地理加权Fay-Herriot模型的小域估计

作为一类区域层次模型, Fay-Herriot模型在小域估计中已经得到广泛的应用,这类模型假定各区域的直接估计是空间不相关的.很多情况下这个假定是不成立的,因此一些考虑空间效应的Fay-Herriot模型被提出.本文基于混合地理加权回归模型提出一类新的Fay-Herriot模型用以刻画空间非平稳性,基于提出的模型,给出小域目标参数的经验最佳线性无偏预测估计量,并研究了该估计量的均方误差.最后通过数值模拟验证了所提方法的有效性.     

零膨胀泊松混合回归中的变量选择

来源于不同总体的数据异质性较大,数据“零取值”较多且离散度大,可利用零膨胀泊松(ZIP)混合回归模型建模分析,然而混合模型中自变量较多.为了筛选出重要变量,本文利用自适应LASSO对ZIP混合回归模型进行变量选择,即在似然函数中加入惩罚项,再利用EM算法估计参数.通过模拟,验证了该方法在变量选择和参数估计中的有效性.同时,将ZIP混合回归模型应用于预测借贷失败次数的实际数据分析,筛选出对借贷失败有重要影响的因素.最后,通过比较各模型的预测效果,得到ZIP混合回归模型优于泊松(Poisson),负二项(NB)和ZIP回归模型.     

混合地理加权空间自回归模型的Profile GMM估计

为了更好地同时考虑空间自相关性和空间异质性,本文研究一类空间自回归混合地理加权回归模型.基于Profile方法和广义矩(GMM)方法,构造了模型中未知空间自回归参数,常数回归系数和系数函数的两类Profile GMM估计.数值模拟结果表明所提出的估计在有限样本中表现良好.     

线性中位数回归中的变量选择

在很多情况下,我们只对线性中位数回归模型中选择重要变量感兴趣。在此文中,我们给出了一个变量选择方法,并证明了它的强相合性。     

删失混合效应模型的分位回归及变量选择

纵向数据常常用正态混合效应模型进行分析.然而,违背正态性的假定往往会导致无效的推断.与传统的均值回归相比较,分位回归可以给出响应变量条件分布的完整刻画,对于非正态误差分布也可以给稳健的估计结果.本文主要考虑右删失响应下纵向混合效应模型的分位回归估计和变量选择问题.首先,逆删失概率加权方法被用来得到模型的参数估计.其次,结合逆删失概率加权和LASSO惩罚变量选择方法考虑了模型的变量选择问题.蒙特卡洛模拟显示所提方法要比直接删除删失数据的估计方法更具优势.最后,分析了一组艾滋病数据集来展示所提方法的实际应用效果.     

响应变量缺失下非线性回归模型的加权半参数估计

基于逆概率加权方法研究了响应变量缺失下非线性回归模型的参数估计问题,提出了一种利用广义部分线性单指标模型对选择概率建模的加权半参数估计方法.从理论上证明了所得估计量具有渐近正态性,并通过数据模拟分析研究了所提方法在有限样本下的表现.     

基于时空加权回归模型北京市房屋租赁价格的空间分析

基于北京市77个小区2013年4月到2014年3月的月度房屋租赁价格数据,利用时空加权回归模型分析了租赁价格与其相关协变量之间的关系,结果揭示了北京房屋租赁价格的空间特征和不同影响因素的影响.     

基于地理加权回归模型的塔里木河流域农业气候资源研究

以塔里木河流域农业气候资源为研究对象,通过收集该流域38个县市地区1995-2014年的气象、地理及经济方面的指标数据,运用R软件对其进行因子分析,得出年平均气温对该流域种植业具有明显的影响.然后,建立了地理加权回归模型,对收集的指标数据进行分析,研究该流域农业气候资源空间聚集与差异.结果表明:农业气候资源对塔河流域农业生产存在明显的空间影响.最后,为流域农作物的合理种植给出建议.     

���ڱ���ѡ��;�����������׶��췽��ģ�͹���

The heteroscedasticity is inevitable for the panel data modeling in economics. The two-stage estimation method is a better means to study the heteroscedasticity, in which the basis is to select only one independent variable for samples grouping, it can cause the information used is incomplete. In this paper, we propose to select several variables for grouping using variable selection method, then k-mean algorithm is used to cluster, so the samples classification can be achieved and the heteroscedasticity estimation can be obtained. The results of real example analysis show that the method presented in this paper has obvious advantages in effectiveness and feasibility.     

高维部分线性模型的变量选择和估计

考虑高维部分线性模型,提出了同时进行变量选择和估计兴趣参数的变量选择方法.将Dantzig变量选择应用到线性部分及非参数部分的各阶导数,从而获得参数和非参数部分的估计,且参数部分的估计具有稀疏性,证明了估计的非渐近理论界.最后,模拟研究了有限样本的性质.     

带删失结构的第二类Tobit模型的两步参数估计法

本文首先简要介绍一类样本选择模型并且对其研究方法进行回顾,然后基于样本选择模型,提出本文所研究的模型:带删失结构的第二类Tobit模型,提出一种新的两步估计法来对模型的参数进行估计。并且对提出的方法进行数据模拟,数据模拟结果表明估计的效果良好。     

基于参数估计线性回归模型选择的研究

关于线性回归模型选择 ,[1 ]中介绍了许多方法 ,他们均基于残差平方和下建立的选择准则 .本文试基于参数估计的理论给出一种方法 ,从参数估计的优良性质上来说 ,我们认为是合理的 .同时给出了计算方法及应用实例 .     

Linear Model Selection Based on Risk Estimation

The problem of selecting one model from a family of linear models to describe a normally distributed observed data vector is considered. The notion of the model of given dimension nearest to the observation vector is introduced and methods of estimating the risk associated with such a nearest model are discussed. This leads to new model selection criteria one of which, called the "partial bootstrap", seems particularly promising. The methods are illustrated by specializing to the problem of estimating the non-zero components of a parameter vector on which noisy observations are available.     

基于条件分布函数的高维回归模型的变量选择方法

高维回归分析的变量选择问题是目前统计学研究的一个热点和难点问题.提出了一个基于条件分布函数的相关性度量准则,并在此基础上提出三种变量选择方法.与现有的方法相比,提出的方法不依赖于统计模型,可以适用于线性模型和非参数可加模型.数值模拟结果表明,即使协变量之间存在一定的相关性,方法也有较为满意的表现.     

一种基于变权的人才选优决策模型

根据全面型人才和专长型人才的特点,利用惩罚型状态变权向量和激励型状态变权向量完成因素之间权重的转移,进而实现因素之间的均衡或突出某些因素的作用,由此建立了一个人才选优的综合决策模型.     

Lasso变量选择的分布式算法

Lasso是机器学习中比较常用的一种变量选择方法,适用于具有稀疏性的回归问题.当样本量巨大或者海量的数据存储在不同的机器上时,分布式计算是减少计算时间提高效率的重要方式之一.本文在给出Lasso模型等价优化模型的基础上,将ADMM算法应用到此优化变量可分离的模型中,构造了一种适用于Lasso变量选择的分布式算法,证明了...     

A Study on Bandwidth Selection in Density Estimation under Dependence

Hart and Vieu proposed a modified cross validation (MCV), the “leave-(2l+1)-out” version of the simple cross validation for bandwidth selection under dependence and established its asymptotic optimality for a certain class ofl. In this article, we investigate the convergence rates of MCV.     

混料试验设计的变量选择

变量选择在回归分析建模中是一个非常重要的基本问题,在回归模型中应该保留对响应的影响最显著的变量。变量选择在分析实际经济问题中得到广泛的应用。本文以混料模型为基础,主要研究混料模型中的变量选择问题。